Struttura del corso

Introduction to Pre-trained Models

  • Cosa sono i modelli pre-addestrati?
  • Vantaggi dell'utilizzo di modelli pre-addestrati
  • Panoramica dei modelli pre-addestrati più diffusi (ad esempio, BERT, ResNet)

Informazioni sulle architetture dei modelli pre-addestrati

  • Nozioni di base sull'architettura del modello
  • Trasferire i concetti di apprendimento e messa a punto
  • Modalità di creazione e addestramento dei modelli pre-addestrati

Configurazione dell'ambiente

  • Installazione e configurazione di Python e delle librerie pertinenti
  • Esplorazione di repository di modelli pre-addestrati (ad esempio, Hugging Face)
  • Caricamento e test di modelli pre-addestrati

Hands-on con modelli pre-addestrati

  • Utilizzo di modelli con training preliminare per la classificazione del testo
  • Applicazione di modelli pre-addestrati alle attività di riconoscimento delle immagini
  • Ottimizzazione di modelli pre-addestrati per set di dati personalizzati

Distribuzione di modelli con training preliminare

  • Esportazione e salvataggio di modelli ottimizzati
  • Integrazione di modelli nelle applicazioni
  • Nozioni di base sulla distribuzione di modelli in produzione

Sfide e best practice

  • Informazioni sulle limitazioni del modello
  • Evitare l'overfitting durante la messa a punto
  • Garantire l'uso etico dei modelli di IA

Tendenze future nei modelli pre-addestrati

  • Architetture emergenti e loro applicazioni
  • Progressi nell'apprendimento di trasferimento
  • Esplorazione di modelli linguistici di grandi dimensioni e modelli multimodali

Riepilogo e passaggi successivi

Requisiti

  • Conoscenza di base dei concetti di machine learning
  • Familiarità con la programmazione Python
  • Conoscenze di base sulla gestione dei dati utilizzando librerie come Pandas

Pubblico

  • Scienziati dei dati
  • Appassionati di intelligenza artificiale
 14 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative